[发明专利]一种基于白酒指纹图谱特征的分类方法

权利要求书

1.一种基于白酒指纹图谱特征的分类方法，其特征在于，包括以下步骤：

(1)选取M个白酒样本，对M个样本分别选取N个共有指纹图谱数据；所述指纹图谱数据为白酒成分的含量数据；

(2)对所述N个图谱数据进行归一化处理，得到由所述M个样本的N个归一化后的图谱数据组成的数据矩阵其中，元素x_i,j表示第i个样本的第j个图谱数据，1≤i≤M，1≤j≤N；

(3)利用误差分析计算所述数据矩阵X的误差矩阵其中，元素e_m,n表示第m个和第n个白酒样本数据之间的误差值，1≤m≤M，1≤n≤M；设定阈值T，确定所述矩阵E中数值小于阈值T的元素e_m,n的数目O，其中m≠n，粗分类个数L＝M-O/2；

(4)根据所述粗分类个数L对数据矩阵X进行非负矩阵分解，得到基矩阵W_M×L和系数矩阵H_L×N，其中，矩阵X与W_M×LH_L×N的差异函数处于最小值；

(5)对所述基矩阵W_M×L进行聚类，得到数据矩阵X的细分类结果。

2.根据权利要求1所述的一种基于白酒指纹图谱特征的分类方法，其特征在于，步骤(3)中所述误差分析为平均绝对误差分析或均方误差分析。

3.根据权利要求2所述的一种基于白酒指纹图谱特征的分类方法，其特征在于，所述平均绝对误差分析按下式进行，其中，e_m,n为误差矩阵E中的元素，x_m,k、x_n,k为数据矩阵X中的元素。

4.根据权利要求2所述的一种基于白酒指纹图谱特征的分类方法，其特征在于，所述均方误差分析按下式进行，其中，e_m,n为误差矩阵E中的元素，x_m,k、x_n,k为数据矩阵X中的元素。

5.根据权利要求1所述的一种基于白酒指纹图谱特征的分类方法，其特征在于，步骤(4)中所述差异函数为Euclidean距离、相对熵或K-L散度。

6.根据权利要求5所述的一种基于白酒指纹图谱特征的分类方法，其特征在于，当采用Euclidean距离作为差异函数时，所述差异函数

7.根据权利要求1所述的一种基于白酒指纹图谱特征的分类方法，其特征在于，步骤(5)中对所述基矩阵W_M×L进行聚类的方法为K-均值聚类或谱聚类。

8.根据权利要求7所述的一种基于白酒指纹图谱特征的分类方法，其特征在于，采用K-均值聚类对所述基矩阵W_M×L进行聚类时，准则函数为K为分类的数量，c_k为相应的聚类中心。